在较为恶劣的海况下,船舶航向控制过程往往伴随频繁舵角调整,而且难以实现精确的航向保持或跟踪。针对上述问题,本文面向可回转双机双桨电力推进船舶,采用模糊神经网络控制方法研究了复杂海况下船舶航向控制问题,具体研究内容如下：首先,本文引入了一种可回转双机双桨电力推进船舶运动模型：与常规艉轴推进船舶相比,其运动特性更为复杂。具体的,在可回转双螺旋桨的作用下,船舶的回转运动和推进运动高度耦合,并由双螺旋桨的回转运动产生等效于舵机运动的舵效,使船舶运动更加快速高效。其次,基于上述可回转双机双桨电力推进船舶运动模型,采用基于一般模糊划分的T-S模糊系统,设计了可回转双机双桨电力推进船舶航向控制器。将船舶艏向角和艏摇角速度的偏差作为控制输入,螺旋桨的回转角作为控制输出,通过构造分段光滑Lyapunov函数,证明了所得闭环控制系统的稳定性,并将模糊控制方法仿真结果与PD控制做对比。最后,针对船舶模型参数不确定性及模糊规则选取问题,结合自适应模糊神经网络(AFNN)算法研究,采用AFNN作为逼近器对可回转双机双桨电力推进船舶进行模型辨识,进而设计融合PD控制器和自适应模糊神经网络补偿的自适应控制策略。与传统PD控制器相比,仿真结果显示所提出的自适应模糊神经网络控制方法具有显著的优越性。本文引入了一种可回转双机双桨电力推进船舶运动模型满足了内河小型船舶的机动灵活性需求,并采用AFNN作为逼近器将船舶模型辨识出来解决了船舶模型参数不确定性问题；加入模糊控制与自适应模糊神经网络控制算法进行航向控制器设计,使得航向控制在精度和效率上提升,并且自适应模糊神经网络在模糊规则选取和控制效果上具有较强优越性及有效性。